[发明专利]数据处理方法与装置、存储介质、电子设备

说明书

本公开属于计算机技术领域，涉及一种数据处理方法及装置、计算机可读存储介质、电子设备。该方法包括：利用特征数据训练待训练机器学习模型，以确定训练好的目标机器学习模型；确定并获取目标参数，以得到与目标参数对应的目标特征数据；将目标特征数据输入至目标机器学习模型中，以得到与目标参数对应的评估概率；获取与评估概率对应的阈值，将评估概率大于阈值的对象确定为目标对象。本公开基于训练好的目标机器学习模型，通过目标特征数据确定评估概率，不仅提高了目标对象提取的准确性，平衡了评估效果和时效性要求，还防范了目标对象确定不准确带来的风险，可以更好的进行识别评估。

技术领域

本公开涉及计算机技术领域，尤其涉及一种数据处理方法与数据处理装置、计算机可读存储介质及电子设备。

背景技术

目前，对于审核对象的确定主要依赖于审核人员的专业经验判断，人工提取调查名单，尤其是在确定健康险的承保后出险前评估和理赔风险评估的审核对象方面。随着健康险案件量激增，审核工作量和调查工作量也随之迅速增长，人力紧张和工作负荷大的问题逐渐凸显，风控水平亟待提高。

考虑到传统的逻辑回归算法不具有特征组合的能力，并需假设特征的各个维度独立，因此只具有线性分界面，主要应用于特征稀疏的数据上。但在健康险的承保后出险前风险评估和理赔风险评估的应用场景中，多数特征之间有相关性，逻辑回归算法无法满足这一要求进行评估。

鉴于此，本领域亟需开发一种新的数据处理方法及装置。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的目的在于提供一种数据处理方法、数据处理装置、计算机可读存储介质及电子设备，进而至少在一定程度上克服由于相关技术的限制而导致的人工提取调查名单工作量大的问题。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本发明实施例的第一个方面，提供一种数据处理方法，所述方法包括：利用特征数据训练待训练机器学习模型，以确定训练好的目标机器学习模型；确定并获取目标参数，以得到与所述目标参数对应的目标特征数据；将所述目标特征数据输入至所述目标机器学习模型中，以得到与所述目标参数对应的评估概率；获取与所述评估概率对应的阈值，将所述评估概率大于所述阈值的对象确定为目标对象。

在本发明的一种示例性实施例中，所述目标特征数据包括第一目标特征数据，所述评估概率包括第一评估概率，所述将所述目标特征数据输入至所述目标机器学习模型中，以得到与所述目标参数对应的评估概率，包括：将所述第一目标特征数据输入至所述目标机器学习模型中，以得到与所述目标参数对应的第一评估概率。

在本发明的一种示例性实施例中，所述确定并获取目标参数，包括：在数据库中获取参数，并判断所述参数是否满足预设条件；若所述参数满足所述预设条件，将所述参数确定为目标参数。

在本发明的一种示例性实施例中，所述目标特征数据包括第二目标特征数据，所述评估概率包括第二评估概率，所述将所述目标特征数据输入至所述目标机器学习模型中，以得到与所述目标参数对应的评估概率，包括：将所述第二目标特征数据输入至所述目标机器学习模型中，以得到与所述目标参数对应的第二评估概率。

在本发明的一种示例性实施例中，所述利用特征数据训练待训练机器学习模型，以确定训练好的目标机器学习模型，包括：获取历史参数，并获取与所述历史参数对应的历史数据；对所述历史数据打标签，以确定与所述历史参数对应的标签信息；利用所述标签信息与所述特征数据训练待训练机器学习模型，以确定训练好的目标机器学习模型。